先算一笔让人笑不出来的账：AI 拿走八成风投，制造业贷款利率却在往上走

2026年第一季度，全球风投总额2855亿美元，AI一个赛道吸走2262亿美元，占比79.23%；非AI领域融资规模593亿美元，环比衰退16.24%，交易件数占市场七成，金额只占两成。到了第二季度，美国风投中AI占比进一步冲到87.5%，“其余行业只能争夺剩下的一成多”。钱不是变少了，是钱的流向变得极其不讲道理——一个还没有稳定现金流的赛道，把融资市场的定价权攥在了手里。

在中国信贷盘子里，同一件事换了一副面孔。2026年三季度末，本外币工业中长期贷款余额同比增长5.6%；科技型中小企业贷款余额同比增长20.1%，高新技术企业贷款余额同比增长17.2%。科技贷款增速是工业中长期贷款的3到4倍。金融资源向科技创新集聚本身没有错，问题在于当“集聚”变成“虹吸”，传统行业拿到的就不再是“少一点”，而是“贵一点、难一点”。

11月3日，金融监管总局副局长肖远企在香港金融领袖投资峰会上把这件事说得很直白：“大量资本涌入科技行业和龙头企业，推高了这些领域的杠杆水平，可能导致过快扩张。资本过度集中对传统行业产生挤出效应……推高了这些企业的借贷成本，加重了财务负担，削弱企业再投资和扩大生产的能力，同时也增加了信贷风险。”

这不是一个“AI 好不好”的问题。这是一个“钱被谁拿走、价格被谁定”的问题。

挤出效应的第一层：价格被抢高了

资本供给不是无限池。当 AI 基础设施和大模型公司以“算力军备竞赛”的姿态吸收银行贷款、债券融资和股权资金时，资金的价格由边际上最激进的那批借款人决定。传统制造业不会因为 AI 公司愿意接受更高的融资成本而自动获得利率优惠；恰恰相反，当银行的风险偏好被“科技龙头”叙事牵引，传统行业在信贷审批的优先级上被往后排了一格。

肖远企在同一场讲话里还提了一个容易被忽略的判断：重大科技革命在历史上都曾出现局部泡沫，但长期能够形成更大的增长。这句话的潜台词是，AI 投资的“局部失败”大概率会发生。那么问题来了：当失败发生时，承担代价的是谁？周小川一个月前在上海外滩年会上已经把答案的前半段说了出来——“巨额资金涌向AI与数据中心，部分投资失败可能引发金融动荡”，他建议提前备好救助预案与政策工具。救助预案覆盖的是银行、信托、系统重要性机构；而传统行业里那些在利率上行周期中借不到钱、或者借到了但价格更贵的中小企业，不在这张救助清单上。

挤出效应的第二层：不光是钱，电也在被抢

如果说融资成本上升还停留在“财务报表上看得见”的层面，能源和基础设施的挤占则更安静，也更难逆转。

2025年全国算力中心总用电量1700亿千瓦时，占全社会用电量1.6%。国家能源局的预测是，“十五五”时期算力用电量年均新增1000亿千瓦时以上，到2030年达到8000亿千瓦时，占全社会用电量的6%左右。五年时间，算力用电量翻几倍。2026年以来，全国互联网数据服务业用电量同比增长超过四成，已经远超2024年全年水平。

更关键的不是总量，是负荷特征。AI 机柜的功率可以在极短时间内从空载跳到满载，对电压稳定性和频率偏差的要求远高于传统工业负荷。电网为了同时满足“量的增长”和“质的稳定”，需要为算力负荷做额外的调峰、储能和输电投资。这些投资最终会进入电价的形成机制。传统制造业拿到的电，可能量上没有少，但在价格和稳定性上，正在被一种新的负荷形态重新定价。

权威预警不是孤例：周小川看到风险，何世红看到“脱实”

周小川在外滩年会上的警告，矛头指向的是 AI 投资失败可能引发的金融风险。他把 AI 投资拆成大模型、应用层、配套行业三层，核心判断是“生产率提升主要来自应用层和蒸馏技术，而数据中心算力需求存疑”。翻译成更朴素的话：现在涌向大模型和算力基建的钱，有相当一部分是在为一个尚未被验证的需求买单。买单的钱如果来自银行贷款和理财资金，一旦回报不及预期，违约会沿着资金链条往上传导。

中国金融网董事长何世红的视角则更靠近“实体经济的温度”。他在2026年7月的一次公开表述中提出，应“将风险防控嵌入技术研发全流程，在人工智能、大数据应用中坚守数据安全与伦理底线，防止技术创新脱离实体经济需求”。“防止技术创新脱离实体经济需求”这句话，放在当前资本分布的坐标里，指向的正是挤出效应的本质：当金融资源过度向一个尚未完成商业化闭环的领域集中，传统行业得到的不是“竞争”，而是“被抽走”——抽走信贷额度、抽走廉价资金、抽走基础设施的定价空间。

焦点问题：挤出效应的终点不是“传统行业消失”，是“传统行业被迫为别人的风险买单”

把三条线拼在一起，逻辑链条是完整的。

全球风投把八成以上的增量资金压在了 AI 上。中国的银行信贷在“科技金融”的政策导向下，把增速差拉到了三到四倍。能源系统在为算力负荷做结构性投资。这三件事单独看都有各自的合理性：AI 是技术方向，科技金融是政策方向，算力基建是基础设施方向。但叠在一起，传统行业面对的是一个资金价格被 AI 的融资需求抬高、信贷可得性被科技叙事压低、能源成本被算力负荷重新定价的环境。

肖远企说的“加重财务负担、削弱再投资和扩大生产的能力”，在宏观数据里的投影可能不会立刻显现，但在企业的资产负债表上是逐季累积的。一家中型制造企业不会因为“AI 是未来”而获得更便宜的贷款，它只会发现，去年能批下来的授信额度，今年要花更长的时间、付更高的利率才能拿到同样的数字。

而更值得追问的是：AI 投资一旦出现周小川所说的“部分失败”，信贷风险的账本上，损失由谁承担？银行有拨备，系统重要性机构有救助框架，但那些在资本挤出的缝隙里勉强维持的传统企业，它们的融资成本不会因为 AI 泡沫的消退而自动回落。挤出效应最不公平的地方不在于“钱去了哪里”，在于“风险留给了谁”。

透视专家的观点

资本过度集中 AI 对传统行业的挤出，不是一个“要不要支持科技创新”的伪选择题。正确的问法是：当金融资源的分布从一个极端摆向另一个极端时，谁在为这种摆动定价，谁在承担摆动停下来之后的成本。

肖远企的讲话里有一个没有被充分放大的词——“信贷风险”。周小川的讲话里有一个没有被充分放大的词——“救助预案的边界”。何世红的表述里有一个没有被充分放大的词——“防止脱离实体经济需求”。三个词放在一起，指向同一个判断：AI 值得投，但不值得用传统行业的融资成本和能源成本去补贴着投。 一个健康的资本配置，不是让 AI 拿不到钱，而是让一家做精密零部件的工厂在申请贷款时，不会被银行的信贷经理反问一句“你们跟 AI 有什么关系”。如果那个问题成了常态，挤出效应就不再是一个学术概念，而是一张张被拒的授信申请表。